Contourlet变换
Contourlet变换概述和基本原理目前，图像增强的方法分为空域处理和频域处理两大类。空域处理是在原图像上直接进行数据运算，常见的处理方法有：线性拉伸、直方图均衡化等。对于实际低对比度红外图像，这些方法都不可避免地会带来噪声增强过度和图像细节增强不足的现象。频域处理方法主要有基于傅里叶变换的算法、基于小波变换的算法等。二者在图像增强时都易产生“振铃”现象。此外，基于傅里叶变换的算法会造成细节信息损失，基于小波变换的增强方法通过在变换域中对小波系数进行处理，增强图像部分细节的同时有效地抑制了图像噪声。但是由一维小波张成的二维可分离小波基只有有限的方向，不能很好地表示图像中的方向信息，细节信息的增强明显不足。多尺度几何分析理论(MGA)的提出和发展弥补了小波变换的这一缺陷。2002年Do和Vetterli在继承小波多尺度分析思想的基础上提出一种新的非自适应的方向多尺度分析方法——Contourlet变换，它能在任意尺度上实现任意方向的分解，擅长描述图像中的轮廓和方向性纹理信息，很好地弥补了小波变换的不足。
Contourlet变换是一种新的图像二维表示方法，具有多分辨率、局部定位、多方向性、近邻界采样和各向异性等性质，其基函数分布于多尺度、多方向上，少量系数即可有效地捕捉图像中的边缘轮廓，而边缘轮廓正是自然图像中的主要特征。
Contourlet变换的基本思想是首先用一个类似小波的多尺度分解捕捉边缘奇异点，再根据方向信息将位置相近的奇异点汇集成轮廓段。选用Burr和Adelson于1983年提出的拉普拉斯塔式滤波器结构(LP)对图像多分辨率分解来捕捉奇异点。LP分解首先产生原始信号的一个低通采样逼近及原始图像与低通预测图像之间的一个差值图像，对得到的低通图像继续分解得到下一层的低通图像和差值图像，如此逐步滤波得到图像的多分辨率分解。二维方向滤波器组(DFB)应用于LP分解得到的每一级高频分量上，在任意尺度上可分解得到2的n次方数目的方向子带。图像每次经LP子带分解产生的高通子带输入DFB，逐渐将点奇异连成线形结构，从而捕获图像中的轮廓。LP与DFB结合形成双层滤波器组结构，称为塔形方向滤波器组(PDFB)，由于该变换以轮廓段形式的基函数逼近原始图像，因此也称为离散Contourlet变换。图1给出了离散Contourlet变换的滤波器组结构图，原始粗糙图像经PDFB结构多层分解可得到多尺度多方向的子带图像。图2则给出了一种Contourlet频域分解图(Z=3，2^3=8)，在实际应用中，方向数一般随着尺度增大而增多。相比临界采样小波方案，LP分解在高维情况下每层仅产生一个带通图像，避免了扰频现象(因为LP滤波器组仅对低通图像进行了下采样)，因此Contourlet变换能有效地应用在图像增强领域。
图书信息
书 名: Contourlet变换
作者：林立宇
出版社：科学出版社
出版时间： 2008年04月
ISBN: 9787030212009
开本： 16开
定价: 40.00 元内容简介本书可供计算机专业的本科生、研究生参考阅读，旨在帮助读者透彻理解和掌握Contourlet变换与方向滤波器组的基本原理和框架。初步了解Contourlet变换在图像处理领域中的应用，为进一步深入研究问题打下基础。图书目录前言
第1章 绪论
第2章 从小波变换到Contourlet变换
第3章 Contourlet变换的已知应用
第4章 遥感影像压缩与Contourlet变换
第5章 遥感影像超分辨率重建与Contourlet变换
参考文献
附录
……